胡爽 王晓晖 李亚楠?

摘要： 在轨道交通行业中，CBTC、PIS等业务场景对时延和带宽等传输质量具有较高的要求，若计算和存储能力只有核心网侧提供，则处理大量的业务数据都需要在核心网侧才能进行，将会导致带宽竞争激烈及网络拥塞严重等问题，同时降低时延敏感性业务的传输质量。为解决上述问题，文章分析了边缘计算的关键技术，针对轨道交通业务需求高的特点，论文提出了基于公网设施的边缘云方案，并对MEC进行了时延和速率等重要指标的相关测试，验证了边缘计算方案的合理性和可行性。

关键词：轨道交通;核心网;MEC

一、引言

MEC将云资源池和云平台部署在靠近对象和数据源的网络边缘，MEC 可以在离数据源较近的本地网络上运行，而且数据不用直接上传到云端，降低了数据传输过程中的时延和成本，减少了传输网络和核心网络的拥堵和负担，大大减轻了网络带宽的竞争压力;一方面MEC 具备云计算资源的基本功能，另一方面MEC能够将开放网络与大数据/云计算相结合，通过相关的应用程序将MEC部署在网络边缘，可以明显提升用户的业务体验，边缘计算的场景要求如表1所示。

边缘计算是保障通信效果并提供计算能力的重要手段，它将应用靠近轨道交通系统部署，能够降低数据传输时延，支撑多样化本地应用，满足轨道交通行业多种业务需求（如PIS、IMS、CBTC等）的重要技术基础。本文从边缘计算的关键技术入手，研究了轨道交通中边缘计算的应用，提出了基于公网设施的边缘云方案，将MEC部署在终端侧附近，实现业务之间的安全隔离，为终端提供专用的网络和应用资源，最后进行了MEC测试，测试结果表明MEC发挥和大网同样的水平，减少了时延，实现了数据的高速率、高可靠传输。

二、轨道交通边缘计算关键技术

轨道交通领域存在数据量多、数据管理与处理复杂、多设备访问数据集成和资源规划与分配困难等问题，而边缘计算正是解决上述一系列问题的最佳方法。边缘计算主要包括边缘智能、异构计算、互联互通等关键技术，通过边缘智能、异构计算等核心技术，边缘计算可以提高数据管理和分析的能力;利用微服务和技术迁移等关键技术，边缘计算可以解决资源利用效率和平台服务能力低等问题。

（一）边缘智能

边缘智能提供了数据聚合、边缘分析和建模的功能，是实现数字化转变的关键技术。边缘智能通过相关功能，可以加速边缘节点的智能化推理，提升多节点智能训练算法的效率，大大降低数据传输的时延和内存使用等方面，实现一种轻量级、低延迟、高性能的 AI 计算框架。

（二）异构计算

异构计算是一种集成了不同结构的不同指令集和计算单元的构架，该构架发挥了不同指令集/计算单元的优势，可用于对不同类型的数据进行融合处理和内容分析，挖掘出数据中有用的信息和有效的数据，进而提升不同设备状态检测的精度和准确率，实现了低功耗、低成本、高性能、高可移植性等方面的平衡。

（三）互联互通

互联互通技术是将不同技术进行结合，从而满足各种应用场景的传输需求，实现不同工业/轨道交通场景边缘设备的接入，实现网络互联，使得轨道交通系统能够快速调整和优化车间设备网络拓扑结构，大大提升网络化协同制造和管理的灵活性。

（四）微服务

微服务是一种围绕特定的业务功能构建的一组独立可部署服务，每个应用程序都在独立的微服务进程中运行，选择一种资源消耗较少的轻量级通信机制，将其部署在边缘端，降低了微服务的集中化管理。同时，采用不用的数据存书技术，提升异构边缘计算资源的灵活性。

（五）计算迁移

计算迁移是一种将资源密集、计算量大的任务转移到计算资源充足的设备上进行处理的方法，这种方法实现了资源的合理利用和调度，提高了设备的计算效率。边缘计算迁移的过程如下：首先对边缘设备采集和生成的大量数据进行预处理，去除掉其中的无效数据，减少数据传输中带宽的占用;然后按照设备的需求进行动态规划，将数据合理分配给边缘设备进行处理，保证设备的计算资源充足，预防任务超载从而降低计算效率的情况。

三、基于公网设施的边缘云方案

面对轨道交通应用的特点，传统的大规模集中式通信已经不能满足需求，MEC 边缘云应运而生。MEC 作为5G演进中的一项关键技术，以超低延迟、超大带宽、定位化、高实时分析和处理等特点，为移动网络边缘的边缘应用提供了云计算能力和 IT 服务环境。将MEC设备部署在整个网络架构的边缘，同时在终端设备上运行边缘服务，提高网络的反馈速率，实现数据传输低延迟。MEC 减少了计算能力，提供了智能业务调度，不僅可以提高用户的业务体验，而且可以降低骨干传输网的资源消耗。基于公网设施的边缘云方案如图1所示，图中UDM、PCF、AMF等控制面网元共享;N3将5G网络的数据流量传输到OCC机房MEC设备的UPF中，通过UPF将PCF和AF中的本地流量进行卸载，而N9将非本地流量传输到核心网进而上传到公网，实现了本地数据流量不上传公网，仅在轨道交通系统内部传输的边缘云方案。

四、MEC测试

（一）背景

为验证某地区自动驾驶道路基站接入MEC服务器的分流效果和网络性能改善情况，故进行本测试。连接MEC IP和公网IP地址，在同一个位置，相同测试终端，进行PING，及数据DL对比测试。

（二）测试结果分析

在速率测试中，采用直接的HTTP连接下载，内网下载速率为904.29mbps，外网下载速率为1110.18mbps，内网速度为外网速度的81.45%左右，测试结果如图2所示。

在时延测试中，直接用测试软件对内外网服务器进行发起ping服务，来进行端到端回环时延测试，本次评估分为大包测试（2000 byte）和小包测试（32 byte），其结果如图3所示。

综上所述，在速率测试中MEC发挥和大网同样的水平，下载速率会受到服务器本身影响;通过对比验证测试，接入MEC服务器后，平均时延较公网服务器缩短5ms下载，速率同公网服务器对比，无异常波动，SA模式平均下载速率在900Mbps以上。

五、结束语

边缘计算能够有效为用户提供低时延、高可用性的服务，减少核心网数据传输的压力，为轨道交通专网建设提供了基础，加强了轨道交通与5G技术的融合，提高了轨道交通中各种业务服务质量。本文将轨道交通与边缘计算技术相结合，提出了基于公共设施的边缘云方案，提高了轨道交通传输的实时性，实现了数据的低时延和高可靠。然而相较于核心网云计算中心，处于网络边缘侧的边缘计算设施通常直接暴露于存在安全威胁的网络环境中，因此对边缘计算的安全研究将会是下一步的重点。

作者单位：胡爽    王晓晖    李亚楠    济南轨道交通集团有限公司

参  考  文  献

[1]尹晓东.基于边缘计算的轨道交通智慧运控平台解决方案[J].自动化博览，2021，38（02）：104-107.

[2]刘佳佳，吴昊，李盼盼.铁路5G移动通信系统边缘计算安全研究[J].计算机工程与应用，2021，57（12）：1-10.

[3]张博，余晓君，卫建芳，郭昕蓓.城市轨道交通5G虚拟专网建设方案研究[J].电子技术应用，2021，47（05）：19-24.

[4]李士东，戴克平.5G在城市轨道交通行业中的应用分析[J].铁道通信信号，2020，56（07）：89-93.

[5]李成，高韵，张生太.MEC应用场景及商业模式分析[J].邮电设计技术，2021（10）：42-47.

[6]韩超鼎. 面向轨道交通的边缘缓存技术研究[D].中国石油大学（北京），2018.

[7]高洪皓，殷昱煜，夏云霓，等.智能化邊缘计算专题序言[J].计算机科学，2021，48（01）：3-6.

[8]曾黄宇.基于分布式边缘服务架构的地铁自动售检票系统研究[J].电子技术与软件工程，2020（23）：20-21.

[9]李士东，戴克平.5G在城市轨道交通行业中的应用分析[J].铁道通信信号，2020，56（07）：89-93.

[10]王悦婷.城市轨道交通通信信号智慧化运维系统框架研究[J].城市轨道交通研究，2020，23（S2）：111-114.